23609 पेपर
यह शोध पत्र मल्टी-गेट रेसिडुअल्स (MGR) का प्रस्ताव करता है, जो अटेंशन पूलिंग के साथ एक स्कोरिंग और गेटिंग तंत्र का उपयोग करके डीप रेसिडुअल नेटवर्क्स में एक्टिवेशन स्केल्स को स्थिर करने वाला एक नवीन आर्किटेक्चर है, जिससे अटेंशन रेसिडुअल्स से जुड़े संचार ओवरहेड के बिना प्रदर्शन में सुधार प्राप्त होता है।
यह शोध पत्र SAGE-Fit प्रस्तुत करता है, जो एक प्लग-एंड-प्ले फ्रेमवर्क है जो सिम्बोलिक रिग्रेशन में "गुड स्ट्रक्चर, बैड स्कोर" की बाधा को दूर करने के लिए प्रतीकात्मक अभिव्यक्तियों के संरचनात्मक और अर्थपूर्ण पूर्ववृत्त (priors) का लाभ उठाता है, जिससे पैरामीटर अनुकूलन और समग्र खोज प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह शोध पत्र डिफ्यूजन डोमेन एक्सपेंशन (DDE) का प्रस्ताव करता है, जो एक बड़ी वस्तुओं को उत्पन्न करने और जटिल कंडीशनिंग को संभालने के लिए प्री-ट्रेंड डिफ्यूजन मॉडल्स को कुशलतापूर्वक विस्तारित करने हेतु एक कॉम्पैक्ट ट्रेन करने योग्य कोऑर्डिनेटर का उपयोग करता है, जो लंबे ऑडियो और कंडीशनल इमेज जनरेशन कार्यों में उत्कृष्ट प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र डिस्कंटीन्यूअस गैलेरकिन न्यूरल ऑपरेटर (DGNO) को प्रस्तुत करता है, जो एक नवीन डीप लर्निंग फ्रेमवर्क है जो एक भौतिकी-सूचित इंटीग्रल ऑपरेटर फॉर्मूलेशन के माध्यम से पैथोलॉजिकल माइक्रोस्कोपी में स्थानिक रूप से परिवर्तनशील और स्थानीय रूप से विच्छिन्न डिफोकस ब्लर को मॉडल करके मौजूदा शिफ्ट-इनवेरिएंट विधियों की सीमाओं को दूर करता है, जिससे बेहतर पुनर्निर्माण गुणवत्ता और सुदृढ़ता प्राप्त होती है।
यह शोध पत्र डीप माइक्रोकैनोनिकल ग्राफ जनरेटर (DMGG) को प्रस्तुत करता है, जो एक सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) ढांचा है जो डिग्री-संरक्षण पुनर्गठन (डिग्री-प्रिजर्विंग रीवायरिंग) के माध्यम से सटीक असॉर्टेटिविटी बाधाओं वाले माइक्रोकैनोनिकल ग्राफ एन्सेम्बल्स को कुशलतापूर्वक उत्पन्न करता है, जिससे पारंपरिक एक्सपोनेंशियल रैंडम ग्राफ मॉडल की सीमाओं को दूर किया जा सकता है और नेटवर्क फंक्शन पर संरचनात्मक प्रभावों के सटीक अलगाव को सक्षम बनाया जा सकता है।
यह शोध पत्र कॉन्ट्रास्टिव डिस्ट्रीब्यूशन मैचिंग (CDM) को प्रस्तुत करता है, जो एक पैरामीटराइज्ड ट्विस्ट फंक्शन को सीखकर डिस्क्रीट डिफ्यूजन मॉडल्स के लिए ट्विस्टेड सीक्वेंशियल मोंटे कार्लो की कम्प्यूटेशनल लागत को एमोर्टाइज करता है, जिससे विविध अनुप्रयोगों में न्यूनतम ओवरहेड के साथ रिवॉर्ड-टिल्टेड डिस्ट्रीब्यूशंस से कुशल और सटीक सैंपलिंग सक्षम होती है।
यह शोध पत्र प्रूडेंट-बैंकर (Prudent-Banker) को प्रस्तुत करता है, जो विलंबित फीडबैक के साथ और बिना, एडवर्सरियल मल्टी-आर्म्ड बैंडिट्स (adversarial multi-armed bandits) के लिए एक नवीन एल्गोरिदम है, जो एक विलंब-कैलिब्रेटेड रीस्टार्ट तंत्र (delay-calibrated restart mechanism) और मिलान करने वाले निचले स्तर के बाउंड्स (matching lower bounds) के माध्यम से एक सुरक्षित बेसलाइन पॉलिसी के विरुद्ध लगभग स्थिर रिग्रेट बनाए रखते हुए, मिनिमैक्स-ऑप्टिमल (minimax-optimal) वर्स्ट-केस रिग्रेट प्राप्त करता है।
यह शोध पत्र Fine-Badminton बेंचमार्क डेटासेट प्रस्तुत करता है और एक पैरामीटर-कुशल Decoupling Spatio-Temporal Adapter (DSTA) का प्रस्ताव करता है जो सूक्ष्म गतिकी को पकड़ने के लिए गति को समानांतर टेम्पोरल और स्पेशियल शाखाओं में विभाजित करके फाइन-ग्रेन्ड बैडमिंटन एक्शन लोकलाइजेशन में अत्याधुनिक प्रदर्शन प्राप्त करता है।
यह शोध पत्र बजटयुक्त हेटेरोस्केडास्टिक मल्टी-जज अनुमान (budgeted heteroskedastic multi-judge estimation) को सूत्रबद्ध करके लागत-प्रभावी एलएलएम (LLM) मूल्यांकन की समस्या को संबोधित करता है, एक अनुकूलनशील एल्गोरिदम (EST-IVWE) प्रस्तावित करता है जो आशावादी रूप से पक्षपाती विचरण अनुमानों (optimistically biased variance estimates) का लाभ उठाकर इंस्टेंस-इष्टतम स्कोर अनुमान प्राप्त करता है, और इसकी सैद्धांतिक इष्टतमता को सिद्ध करने के लिए एक मिलान स्थानीय मिनिमैक्स निचली सीमा (matching local minimax lower bound) स्थापित करता है।
यह शोध पत्र स्कोर-आधारित वन-स्टेप मीनफ्लो पॉलिसी ऑप्टिमाइज़ेशन (SOM) का परिचय देता है, जो एक एक्टर-क्रिटिक एल्गोरिदम है जो Q-फंक्शन से सीधे एक लक्षित वेग क्षेत्र (target velocity field) का निर्माण करके ऑनलाइन सुदृढीकरण शिक्षण (reinforcement learning) में कुशल, एकल-चरण नीति पीढ़ी को सक्षम बनाता है, जिससे पारंपरिक बहु-चरणीय डिफ्यूजन और फ्लो मैचिंग विधियों की तुलना में कम्प्यूटेशनल ओवरहेड को काफी कम करते हुए अत्याधुनिक प्रदर्शन प्राप्त होता है।